Vous devez rechercher des messages d'erreur dans des journaux historiques au format JSON stockés dans Amazon S3 à partir de 10 fonctions Lambda. Les valeurs d'erreur peuvent apparaître sous différents champs, mais toutes les chaînes d'erreur commencent par le même préfixe. Quelle est la méthode la plus efficace sur le plan opérationnel pour analyser ces fichiers journaux ?

La bonne réponse est de créer une tâche AWS Glue ETL et d'utiliser Amazon Athena. Cette approche est la plus efficace pour analyser des journaux historiques au format JSON stockés dans S3. AWS Glue peut cataloguer les données JSON, les rendant interrogeables. Athena permet ensuite d'exécuter des requêtes SQL complexes sur ces données cataloguées directement dans S3, ce qui est idéal pour rechercher des préfixes d'erreur dans divers champs sans déplacer les données. S3 Select est moins efficace car il ne permet pas de requêtes complexes sur plusieurs champs JSON et ne fournit pas de catalogue de données. CloudWatch Logs Insights est conçu pour les journaux stockés dans CloudWatch Logs, pas directement dans S3, et ne serait pas applicable ici. CloudWatch Contributor Insights est pour l'analyse en temps réel des contributeurs de journaux et non pour l'interrogation de données historiques brutes dans S3.